論文の概要: MT: Multi-Perspective Feature Learning Network for Scene Text Detection
- arxiv url: http://arxiv.org/abs/2105.05455v1
- Date: Wed, 12 May 2021 06:41:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-13 12:24:37.978384
- Title: MT: Multi-Perspective Feature Learning Network for Scene Text Detection
- Title(参考訳): MT:シーンテキスト検出のための多視点特徴学習ネットワーク
- Authors: Chuang Yang, Mulin Chen, Yuan Yuan (Senior Member, IEEE), and Qi Wang
(Senior Member, IEEE)
- Abstract要約: 軽量検出フレームワークは、高い検出精度を維持しつつ推論プロセスを高速化するように設計されている。
マスクを正確にセグメンテーションするための識別表現をより正確に学習するために,マルチパースペクティブな特徴モジュールを提案する。
MTの有効性を実世界の4つのシーンテキストデータセットで評価した。
- 参考スコア(独自算出の注目度): 9.282254601960613
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Text detection, the key technology for understanding scene text, has become
an attractive research topic. For detecting various scene texts, researchers
propose plenty of detectors with different advantages: detection-based models
enjoy fast detection speed, and segmentation-based algorithms are not limited
by text shapes. However, for most intelligent systems, the detector needs to
detect arbitrary-shaped texts with high speed and accuracy simultaneously.
Thus, in this study, we design an efficient pipeline named as MT, which can
detect adhesive arbitrary-shaped texts with only a single binary mask in the
inference stage. This paper presents the contributions on three aspects: (1) a
light-weight detection framework is designed to speed up the inference process
while keeping high detection accuracy; (2) a multi-perspective feature module
is proposed to learn more discriminative representations to segment the mask
accurately; (3) a multi-factor constraints IoU minimization loss is introduced
for training the proposed model. The effectiveness of MT is evaluated on four
real-world scene text datasets, and it surpasses all the state-of-the-art
competitors to a large extent.
- Abstract(参考訳): シーンテキストを理解するための重要な技術であるテキスト検出は、魅力的な研究トピックとなっている。
様々なシーンテキストを検出するために、研究者は異なる利点を持つ多くの検出器を提案する: 検出ベースのモデルは高速検出速度を享受し、セグメンテーションベースのアルゴリズムはテキスト形状に制限されない。
しかし、ほとんどのインテリジェントシステムでは、検出器は高速かつ精度で任意の形のテキストを検出する必要がある。
そこで本研究では,推論段階では1つのバイナリ・マスクのみを用いて粘着性のある任意の形状のテキストを検出できるmtという効率的なパイプラインを設計した。
本稿では,(1)高い検出精度を維持しつつ推論プロセスを高速化する軽量検出フレームワーク,(2)マスクを正確にセグメント化するためのより識別的な表現を学ぶマルチパースペクティブ機能モジュール,(3)提案されたモデルのトレーニングのために,多要素制約iou最小化損失を導入すること,の3つの側面への貢献について述べる。
MTの有効性は、4つの実世界のシーンテキストデータセットで評価され、最先端の競合他社をはるかに上回っている。
関連論文リスト
- Detecting Machine-Generated Long-Form Content with Latent-Space Variables [54.07946647012579]
既存のゼロショット検出器は主に、現実世界のドメインシフトに弱いトークンレベルの分布に焦点を当てている。
本稿では,イベント遷移などの抽象的要素を機械対人文検出の鍵となる要因として組み込んだ,より堅牢な手法を提案する。
論文 参考訳(メタデータ) (2024-10-04T18:42:09Z) - Towards Unified Multi-granularity Text Detection with Interactive Attention [56.79437272168507]
Detect Any Text"は、シーンテキストの検出、レイアウト分析、ドキュメントページの検出を結合的なエンドツーエンドモデルに統合する高度なパラダイムである。
DATにおける重要なイノベーションは、テキストインスタンスの表現学習を大幅に強化する、粒度横断型アテンションモジュールである。
テストによると、DATは様々なテキスト関連ベンチマークで最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2024-05-30T07:25:23Z) - TextBlockV2: Towards Precise-Detection-Free Scene Text Spotting with Pre-trained Language Model [17.77384627944455]
既存のシーンテキストスポッターは、画像からテキストを見つけて書き起こすように設計されている。
提案するシーンテキストスポッターは、高度なPLMを活用して、きめ細かい検出を行うことなく性能を向上させる。
PLMベースの認識モジュールは、事前学習期間中に得られた包括的な言語知識から恩恵を受け、複雑なシナリオを効果的に処理する。
論文 参考訳(メタデータ) (2024-03-15T06:38:25Z) - On the Possibilities of AI-Generated Text Detection [76.55825911221434]
機械が生成するテキストが人間に近い品質を近似するにつれて、検出に必要なサンプルサイズが増大すると主張している。
GPT-2, GPT-3.5-Turbo, Llama, Llama-2-13B-Chat-HF, Llama-2-70B-Chat-HFなどの最先端テキストジェネレータをoBERTa-Large/Base-Detector, GPTZeroなどの検出器に対して試験した。
論文 参考訳(メタデータ) (2023-04-10T17:47:39Z) - Vision-Language Pre-Training for Boosting Scene Text Detectors [57.08046351495244]
シーンテキスト検出に視覚言語を用いた共同学習を特に応用する。
本稿では,視覚言語による事前学習を通して,文脈化された共同表現を学習することを提案する。
事前訓練されたモデルは、よりリッチなセマンティクスでより情報的な表現を生成することができる。
論文 参考訳(メタデータ) (2022-04-29T03:53:54Z) - Real-Time Scene Text Detection with Differentiable Binarization and
Adaptive Scale Fusion [62.269219152425556]
セグメンテーションに基づくシーンテキスト検出手法はシーンテキスト検出分野において大きな注目を集めている。
本稿では,二項化処理をセグメンテーションネットワークに統合する分散二項化(DB)モジュールを提案する。
アダプティブ・スケール・フュージョン (ASF) モジュールは, 異なるスケールの特徴を適応的に融合させることにより, スケールのロバスト性を向上させる。
論文 参考訳(メタデータ) (2022-02-21T15:30:14Z) - On Exploring and Improving Robustness of Scene Text Detection Models [20.15225372544634]
我々はシーンテキスト検出モデル ICDAR2015-C (IC15-C) と CTW1500-C (CTW-C) を評価した。
我々は、事前学習データ、バックボーン、機能融合モジュール、マルチスケール予測、テキストインスタンスの表現、損失関数の6つの重要なコンポーネントのロバストネス分析を行う。
本研究では,背景と前景を融合することでテキスト領域の滑らかさを破壊する,シンプルで効果的なデータベース手法を提案する。
論文 参考訳(メタデータ) (2021-10-12T02:36:48Z) - Which and Where to Focus: A Simple yet Accurate Framework for
Arbitrary-Shaped Nearby Text Detection in Scene Images [8.180563824325086]
そこで本研究では,任意の形状の近接するシーンテキスト検出のための簡易かつ効果的な手法を提案する。
OMTS(One-to-Many Training Scheme)は、混乱を排除し、提案がより適切な基盤構造を学べるように設計されている。
また,提案提案に対してより効果的な機能を利用するために,提案機能注意モジュール(PFAM)を提案する。
論文 参考訳(メタデータ) (2021-09-08T06:25:37Z) - MOST: A Multi-Oriented Scene Text Detector with Localization Refinement [67.35280008722255]
シーンテキスト検出のための新しいアルゴリズムを提案し、テキストローカリゼーションの品質を大幅に向上させる一連の戦略を提案する。
具体的には,テキスト・フィーチャー・アライメント・モジュール (TFAM) を提案し,特徴の受容領域を動的に調整する。
信頼できないものを排除するために、位置認識非最大抑制(PA-NMS)モジュールを考案する。
論文 参考訳(メタデータ) (2021-04-02T14:34:41Z) - DGST : Discriminator Guided Scene Text detector [11.817428636084305]
本稿では,シーンテキスト検出のセグメンテーション効果を改善するために,条件付き生成逆数ネットワークに基づく検出フレームワークを提案する。
標準データセットの実験では、提案されたDGSTが顕著なゲインをもたらし、最先端の手法より優れていることが示されている。
論文 参考訳(メタデータ) (2020-02-28T01:47:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。